Meta Llama
Llama 4 Scout
Multimodales Open-Weight-Modell. Meta nennt 17B aktive Parameter, 16 Experten, 109B Gesamtparameter und ein unterstütztes Kontextfenster bis 10M.
Profil ansehen →Technologie verstehen.
Besser entscheiden.
Modellvergleich
Versionsstand 2026-10-12. Zwei multimodale offene Gewichtmodelle, deren Hersteller unterschiedliche Angaben zu Kontext und aktiven Parametern veröffentlichen. Lizenz und Hardwareanforderungen müssen je Modell geprüft werden.
Versionsvergleich · Quellenstand 2026-10-12. Diese Gegenüberstellung behandelt die genannten Modellversionen. Neuere Versionen sind nicht Gegenstand dieses Snapshots. Prüfe Zugang und Preise vor einer Nutzung in den verlinkten Herstellerunterlagen.
Fragestellung
Llama 4 Scout vs Qwen3.6-35B-A3B
Scout ist für lange Eingaben interessant, wenn der 10M-Herstellerwert für den konkreten Zugang gilt; Meta unterscheidet die erweiterte Kontextangabe von 256K Training-Kontext. Qwen3.6-35B-A3B beschreibt ein kleineres aktives Expertenbudget, aber nicht automatisch den Speicherbedarf der Gewichte. Das Vergleichsblatt für KI-Tools hilft dir, die Modellangaben mit Aufgabe, vollständigem Arbeitsweg und notwendiger Nacharbeit zu verbinden.
| Merkmal | Llama 4 Scout | Qwen3.6-35B-A3B |
|---|---|---|
| Anbieter-ID | meta-llama/Llama-4-Scout-17B-16E-Instruct | Qwen/Qwen3.6-35B-A3B |
| Kontextfenster | 10.000.000 Tokens | unbekannt |
| Modalitäten | Text, Bild-Eingabe, Video-Eingabe | Text, Bild-Eingabe |
| Zugang | Gewichte verfügbar | Gewichte verfügbar |
| API-Preis je Mio. Token | nicht verifiziert | nicht verifiziert |
Meta Llama
Multimodales Open-Weight-Modell. Meta nennt 17B aktive Parameter, 16 Experten, 109B Gesamtparameter und ein unterstütztes Kontextfenster bis 10M.
Profil ansehen →Qwen
Mixture-of-Experts-Variante; die Modellkarte weist rund 35B Gesamtparameter mit etwa 3B aktiven Parametern aus.
Profil ansehen →Die Angaben stammen aus Hersteller- und Benchmarkunterlagen, nicht aus einem von Tokenwerk selbst ausgeführten Leistungstest. Preise in USD ohne Steuern und Zusatzkosten.
Vom Nachlesen zum Anwenden
Diese Auswahl gehört zum Lernpfad Modelle und Benchmarks beurteilen. Dort findest du alle 5 Einheiten in ihrer Reihenfolge.
Einheit 01 von 5
Du beschreibst, was ein Modell für deinen Anwendungsfall leisten soll.
Einheit 03 von 5
Du prüfst Modellversion, Einstellungen, Sprache, Wiederholungen und Auswertung.
Einheit 04 von 5
Du erstellst eine kleine Testmenge, die deinen deutschen Aufgaben entspricht.
Als Nächstes: selbst umsetzen
Ein kleines Aufgabenexperiment mit festen Bedingungen und offengelegten Grenzen durchführen.
Deine Abnahme / Ergänzung 21.10.2026
Nutze diese kleine Aufgabe, bevor du einen größeren Vergleich startest. Lege die richtigen Angaben vorher fest. Verwende denselben Inhalt; dokumentiere Umwandlungen von Bild, PDF oder Audio separat.

Aufgabe: Langen Kontext zunächst klein kontrollieren
Material (fiktiv): Dokument A nennt 18 Stück; Dokument B korrigiert auf 21 Stück. Ein Datum der Korrektur fehlt.
Gib nur belegte Angaben aus. Nenne fehlende oder widersprüchliche Angaben ausdrücklich. Ergänze keine Fakten.
Prüfkriterien:
1. 18 und 21 der richtigen Quelle zuordnen.
2. Den Korrekturhinweis offen nennen.
3. Kein Korrekturdatum ergänzen.Ein Ergebnis mit erfundenen Angaben wird für diesen Fall nicht abgenommen. Wiederhole schwierige Fälle unter denselben Bedingungen und dokumentiere auch die Fehlversuche. Wenn eine notwendige Eingabe oder ein Werkzeug im gewählten Zugang fehlt, ist das zuerst ein Integrationsproblem.
Leeres Abnahmeblatt für beide Modelle herunterladen
Eigene Abnahmeaufgabe; keine aufgezeichnete Modellantwort oder Leistungsstatistik. Der Quellenstand der bisherigen Faktentabelle bleibt separat ausgewiesen.
Versionsstand 2026-10-12. Zwei multimodale offene Gewichtmodelle, deren Hersteller unterschiedliche Angaben zu Kontext und aktiven Parametern veröffentlichen. Lizenz und Hardwareanforderungen müssen je Modell geprüft werden.
Scout ist für lange Eingaben interessant, wenn der 10M-Herstellerwert für den konkreten Zugang gilt; Meta unterscheidet die erweiterte Kontextangabe von 256K Training-Kontext. Qwen3.6-35B-A3B beschreibt ein kleineres aktives Expertenbudget, aber nicht automatisch den Speicherbedarf der Gewichte.
Llama 4 Scout und Qwen3.6-35B-A3B. Ihre verlinkten Anbieterunterlagen bilden die Grundlage der dokumentierten Merkmale.
Nein. Die Seite fasst Hersteller- und Benchmarkunterlagen zusammen und führt keinen eigenen Leistungstest durch. Für eine Entscheidung solltest du beide Modelle mit denselben Aufgaben prüfen.
Teste beide Versionen mit demselben fiktiven Material. Prüfe insbesondere: 18 und 21 der richtigen Quelle zuordnen. Den Korrekturhinweis offen nennen. Kein Korrekturdatum ergänzen. Halte alle Versuche und tatsächlichen Kosten fest. Das Blatt enthält keine bereits gemessenen Modellantworten.